1.一种基于肌电反馈的康复机械手和电刺激自适应控制方法，其特征在于，包括以下步骤：

S1、构建肌电采集—康复机械手—神经肌肉电刺激联合康复系统；

S2、使用完全集合经验模态分解与自适应噪声算法对表面肌电信号进行数据预处理；

S3、利用霜冰优化算法循环迭代长短时记忆网络参数，构建最优参数的长短时记忆网络模型；

S4、利用所构建的长短时记忆网络模型对表面肌电信号各个分解模态进行预测；

S5、根据预测信号为反馈量构建三维肌电自适应控制系统；

S6、基于自适应模糊控制系统与肌电反馈生成模糊控制规则；

S7、基于控制策略对联合康复系统进行控制。

2.根据权利要求1所述的一种基于肌电反馈的康复机械手和电刺激自适应控制方法，其特征在于：S1中，利用肌电采集设备采集肌电信号，将采集到的肌电信号上传至上位机完成处理与分析；使用RS485一对二串口通信将上位机与康复机械手和功能性电刺激形成通信，利用康复机械手提供手部被动康复；通过功能性电刺激提供主动激活。

3.根据权利要求1所述的一种基于肌电反馈的康复机械手和电刺激自适应控制方法，其特征在于：S2中，使用直流分量检测去除直流分量，通过自适应50Hz陷波滤波器去除工频干扰，使用四阶巴特沃斯高、低通滤波器去除信号中的高低频噪声，将处理后的表面肌电信号使用完全集合经验模态分解与自适应噪声模型将信号分解成不同频带的模态分量。

4.根据权利要求3所述的一种基于肌电反馈的康复机械手和电刺激自适应控制方法，其特征在于：使用完全集合经验模态分解与自适应噪声模型，将处理后的表面肌电信号按照由高到低分解，得到相应的本征模态分量IMF1、IMF2……IMFn；将一维的表面肌电信号数据分解为不同频率范围下的多维数据，使特征值落在不同频率范围内，分解过程中对第一阶IMF分量进行总体平均计算，得到最终的第一阶IMF分量，然后对残余部分重复进行如上操作。

5.根据权利要求1所述的一种基于肌电反馈的康复机械手和电刺激自适应控制方法，其特征在于：S3中，将各表面肌电信号的本征模态分量进行重组与归一化形成长短时记忆网络模型输入数据集；

使初始化的长短时记忆网络模型参数构成随机霜冰粒子，根据粒子更新计算公式对霜冰粒子进行迭代优化，检测粒子是否在最优位置，若在最优则输出为最优参数，反之继续迭代优化，粒子更新计算公式为：

6.根据权利要求1所述的一种基于肌电反馈的康复机械手和电刺激自适应控制方法，其特征在于：S4中，使用最优参数构建优化后的长短时记忆网络模型，对重组与归一化后的每一模态分量进行Δt时间的预测，得到Δt时间后的模态分量IMF1(T+Δt)、IMF2(T+Δt)……IMF3(T+Δt)；

对每个模态分量IMF1(T+Δt)、IMF2(T+Δt)……IMF3(T+Δt)按照系数进行叠加，得到预测后的表面肌电信号。

7.根据权利要求1所述的一种基于肌电反馈的康复机械手和电刺激自适应控制方法，其特征在于：S5中，对所预测后的表面肌电信号进行特征提取并构建基于预测表面肌电信号为反馈量的三维模型；分别提取中值频率MF、平均功率频率MPF、积分肌电值iEMG、肌电均方根值RMS，通过下式构建三维模型(X,Y,Z)：

式中，Xf为频域上疲劳程度变化，XAm为时域上疲劳程度变化，n为模态数量，Y为肌肉激活程度，Z为肌肉激活状态，iEMGA为相应动作下的主动肌积分肌电值，iEMGB为相应动作下的拮抗肌积分肌电值；系统根据预测肌肉状态形成的反馈量，自适应调整参数变化。

8.根据权利要求1所述的一种基于肌电反馈的康复机械手和电刺激自适应控制方法，其特征在于：S6中，将预测的三维模型作为模糊规则的输入：预测肌肉疲劳程度X增大时，康复机械手运动频率降低、功能性电刺激的刺激电压，电流，频率均降低；预测肌肉疲劳程度X减少时，康复机械手运动频率提高、功能性电刺激的刺激电压，电流，频率均提高；预测肌肉激活程度Y增加时，康复机械手运动频率提高、功能性电刺激的刺激电压，电流，频率均降低；预测肌肉激活程度Y减少时，康复机械手运动频率降低、功能性电刺激的刺激电压，电流，频率均增大；预测激活状态Z正常时，联合康复系统继续工作；预测激活状态Z异常时，联合康复系统停止工作。

9.根据权利要求1所述的一种基于肌电反馈的康复机械手和电刺激自适应控制方法，其特征在于：S7中，将预测状态的三维输入(X,Y,Z)经过模糊控制器模糊化，依据三维肌电模糊规则所构建的模糊控制表进行模糊决策，通模糊推理后得到所需输出结果，对其进行解模糊，并根据自适应规则，判断当前肌肉状态与康复系统参数是否匹配，进行系统的自适应调整，最后得到参数(F,U,I,H)，其中，F表示康复机械手运动频率，U表示电刺激电压，I表示电刺激电流，H表示电刺激频率；对联合康复系统进行参数调整以匹配后续肌肉状态。